图 基于福格行为模型（Fogg Behavior Model）的理论框架。（A）人群移动所需的能力(Ability)；（B）各地复工倾向性（Motivation）；（C）促使人群移动的工具（Policy Triggers）：各级政府发布的三种类型复工政策；（D）人群移动的结果（Target Behaviour）：人群移动产生的复工率变化

表 导致高/低复工率的政策组合。其中●˜表示需要该条件存在，⊗表示需要该条件不存在；较大的˜●和⊗为核心条件，较小的为边缘条件

　　在国家自然科学基金项目（批准号：41925003）等资助下，北京大学赵鹏军教授团队通过探究新冠疫情后复工人群移动对于不同公共政策的响应效果，揭示了人群移动的政策作用机制。相关成果以“政策工具促进中国新冠疫情后复工复产（Policy Instruments Facilitate China’s COVID-19 Work Resumption）”为题，于2023年10月2日发表于《美国科学院院刊》（Proceedings of the National Academy of Sciences of the United States of America）（Research Article）杂志。论文链接：www.pnas.org/doi/10.1073/pnas.2305692120。

　　人群移动是交通管理、经济增长、社会安全、传染病防控等领域治理决策的关键议题。但现有研究多侧重于揭示人群移动的规律和典型模式，对公共政策干预的人群移动扰动机制仍有待探究。

　　赵鹏军教授团队以新冠疫情期间政策干预下的复工人群移动结果为准自然实验，分析了全国355个地市的3.2亿条人群移动轨迹数据和50万份省市县级复工政策文件，量化测定了财税、就业和政府采购等三类复工政策工具和复工人群移动结果之间的复杂因果关系。研究团队发现，复工政策与当地财政能力、危机治理能力及其复工倾向性越匹配，越能促进复工（图）。不同于以往认知，当政府财政和危机治理能力不足、复工倾向性较保守时，财税、就业和政府采购等三类政策的多策并举反而会阻碍复工人群移动，不利于复工（表）。因此，疫情后的经济振兴和就业复苏，因地制宜地“精准决策”比“多策并举”效果更好。